Google Gemini Omni (Video) - ComfyUI Built-in Node Documentation - ComfyUI

Genera un video con audio a partir de un prompt de texto utilizando el modelo Gemini Omni Flash de Google. Opcionalmente, proporciona imágenes y/o videos de referencia para guiar o editar el resultado. Describe la duración deseada (3-10 s) y la relación de aspecto (16:9 o 9:16) directamente en el prompt.

Entradas

Entradas comunes

Parámetro	Descripción	Tipo de datos	Obligatorio	Rango
`model`	El modelo de video de Gemini utilizado para generar el video.	DYNAMIC_COMBO	Sí	”Omni Flash”
`seed`	La semilla controla si el nodo debe volver a ejecutarse; los resultados no son deterministas independientemente de la semilla (por defecto: 42).	INT	Sí	0 a 2147483647

Entradas de Omni Flash

Parámetro	Descripción	Tipo de datos	Obligatorio	Rango
`prompt`	Describe el video que se va a generar. Especifica la duración y la relación de aspecto directamente en el prompt, p. ej., «un clip de 6 segundos en 16:9». La duración puede ser de 3 a 10 segundos; la relación de aspecto debe ser 16:9 (horizontal) o 9:16 (vertical). El resultado es 720p, 24 FPS, con audio.	STRING	Sí	Mínimo 1 carácter después de eliminar espacios en blanco
`temperature`	Controla la aleatoriedad. Un valor más bajo es más enfocado/determinista, uno más alto es más variado (por defecto: 1.0).	FLOAT	No	0.0 a 2.0
`top_p`	Muestreo de núcleo: muestrear del conjunto de tokens más pequeño cuya probabilidad acumulada alcance top_p (por defecto: 0.95).	FLOAT	No	0.0 a 1.0

Entradas de referencia

Parámetro	Descripción	Tipo de datos	Obligatorio	Rango
`images`	Ranura ampliable: conecta una o más imágenes de referencia (`image_1`…`image_14`) para guiar o animar el video. Hasta 14 imágenes en total.	IMAGE	No	0 a 14 imágenes
`videos`	Ranura ampliable: conecta uno o más videos de referencia (`video_1`…`video_3`) para guiar o editar. Hasta 3 videos, cada uno de hasta 10 segundos de duración.	VIDEO	No	0 a 3 videos, cada uno con un máximo de 10 segundos

Notas:

Si una entrada de imagen contiene varios fotogramas, cada fotograma cuenta para el máximo de 14 imágenes.
Cuando se proporcionan imágenes o videos de referencia, el tamaño total de los medios codificados debe mantenerse por debajo de aproximadamente 90 MB; de lo contrario, el nodo genera un error.
Cuando no se proporcionan imágenes ni videos de referencia, el nodo genera el video únicamente a partir del prompt de texto.

Salidas

Nombre de salida	Descripción	Tipo de datos
`VIDEO`	El video generado con audio del modelo Gemini.	VIDEO
`STRING`	Cualquier respuesta de texto del modelo, como razonamientos o explicaciones.	STRING

Esta documentación fue generada por IA. Si encuentra algún error o tiene sugerencias de mejora, ¡no dude en contribuir! Editar en GitHub

Source fingerprint (SHA-256): 648844868affb68298d2eac8ac20095bfe378d32e721396781de330ef6a6d69f